Die Fähigkeiten der KI verdoppeln sich alle 7 Monate: Was die METR-Studie enthüllt

Die METR-Messung, oft als die „Moore-Gesetz der KI“ bezeichnet, analog zur biennalen Verdopplung der Transistordichte, die 1965 von Gordon Moore theorisiert wurde, verdient besondere Beachtung. Nicht um dem Medienhype zu erliegen, der jede Fortschritt im Sektor begleitet, sondern weil sie sehr konkrete Auswirkungen darauf hat, wie Unternehmen ihre KI-Strategie heute denken sollten.

Was METR wirklich misst

Die Originalität der METR-Studie liegt in ihrer Maßeinheit. Anstatt Modelle anhand klassischer akademischer Benchmarks zu vergleichen, die oft in wenigen Monaten mit den neuesten Systemen überflutet werden, haben die Forscher eine Metrik eingeführt, die sie time horizon nennen: die Dauer einer Aufgabe, die ein qualifizierter Mensch in der Regel benötigt, um sie zu lösen, und die ein KI-Modell nun mit einer vergleichbaren Erfolgsquote durchführen kann.

Praktisch bedeutet das, wenn ein leitender Entwickler zwei Stunden benötigt, um ein bestimmtes Softwaremodul zu schreiben, und ein Modell es schafft, dieses Modul mit vergleichbarer Qualität zu erzeugen, dann hat dieses Modell die Schwelle des „time horizon von zwei Stunden“ überschritten. METR hat diesen Zeitraum über mehr als sechs Jahre gemessen und systematisch verfügbare Modelle in Bezug auf reale Software-Ingenieur-Aufgaben bewertet.

Das Ergebnis ist klar: Seit 2019 verdoppelt sich dieser Zeitraum ungefähr alle sieben Monate. GPT-2 konnte Aufgaben von nur wenigen Sekunden bewältigen. Heute überschreiten die besten Modelle die Grenzen von Aufgaben, die mehrere Stunden für einen erfahrenen Ingenieur in Anspruch nehmen. Das Update von Januar 2026, veröffentlicht von METR unter dem Namen Time Horizon 1.1, bestätigt, dass sich dieser Trend nicht abschwächt, sondern beibehalten wird, mit mehr Daten und einer verfeinerten Methodologie.

Sie können die originale Studie direkt auf der Website von METR einsehen.

Warum diese Messung alles verändert

Die meisten Führungskräfte betrachten die Entwicklung der KI durch einen Nachrichtenfeed: Ein neues Modell wird von OpenAI veröffentlicht, ein anderes von Anthropic, Mistral bringt eine Open-Source-Version heraus, Google kontert. Es ist ein kontinuierliches Rinnsal von Innovationen, das den Eindruck raschen, aber unklaren Fortschritts erweckt. Die METR-Kurve hingegen bringt eine Zahl in dieses Gefühl, und diese Zahl ist schwindelerregend.

Eine Verdopplung alle sieben Monate bedeutet, dass in achtzehn Monaten die Modelle in der Lage sein werden, Aufgaben zu bewältigen, die etwa sechsmal so lang sind wie heute. In drei Jahren beträgt der Unterschied den Faktor dreißig. Mit anderen Worten: Ein Modell, das heute bei einem komplexen Kundenfall Schwierigkeiten hat, wird 2028 ohne Probleme das Äquivalent einer Woche Arbeitszeit eines Analysten bewältigen. Das bedeutet nicht, dass es diesen Analysten ersetzen wird; die Frage des menschlichen Mehrwerts ist komplizierter, sondern dass der Bereich automatisierbarer Aufgaben sich in einem Tempo erweitern wird, das jede statische KI-Strategie obsolet macht.

Hier verlässt das Argument das technische Terrain und wandelt sich in ein strategisches. Wenn sich die Fähigkeiten der Modelle so schnell entwickeln, ist die schlimmste Entscheidung, die ein Unternehmen 2026 treffen kann, sich auf einen einzigen Anbieter festzulegen. Nicht weil dieser Anbieter heute schlecht wäre, sondern weil das beste Modell des Moments statistisch in den nächsten sechs bis zwölf Monaten übertroffen wird.

Das eigentliche Risiko ist nicht das Modell. Es ist die Abhängigkeit.

Viele Organisationen, angezogen von der einfachen Integration von ChatGPT Enterprise oder Copilot, haben ihre ersten KI-Anwendungsfälle um einen einzigen Anbieter herum aufgebaut. Das war vor zwei Jahren rational, als OpenAI unangefochten dominierte. Heute ist es viel weniger sinnvoll, in einer Landschaft, in der Anthropic regelmäßig GPT im Denken übertrifft, wo Mistral seinen Rückstand im Multilinguismus aufholt, wo Google DeepMind bei Videos führt und wo chinesische Akteure wie DeepSeek Open-Source-Modelle veröffentlichen, die mit den besten westlichen proprietären Modellen vergleichbar sind.

Das von METR gemessene Fortschrittsniveau macht diese Vielfalt strukturell. Keiner der Akteure kann garantieren, dass er länger als ein paar Quartale an der Spitze bleibt. Ein Unternehmen, das seine gesamte KI-Infrastruktur auf einen einzigen Motor aufgebaut hat, sieht sich alle sechs Monate vor die schmerzhafte Wahl: Rückstand bei den Fähigkeiten bleiben oder alles migrieren.

Die gute Nachricht ist, dass es mittlerweile eine architektonische Lösung für dieses Problem gibt. Anstatt ein Modell auszuwählen, wählt man eine Orchestrierungsschicht, die Zugang zu allen gibt. Das ist die Philosophie, auf der wir OUPI aufgebaut haben: eine einzigartige Plattform, die mehr als sechzig Modelle (GPT, Claude, Gemini, Mistral, Llama, DeepSeek, Flux, Veo, Kling...) mit einem gemeinsamen Gedächtnis, gemeinsam genutzten Geschäftsintegrationen und einem einheitlichen Sicherheitsfundament vereint. Wenn ein neues Modell veröffentlicht wird, wird es einfach dem Katalog hinzugefügt. Ihre Nutzer wechseln nicht das Tool, Ihre IT-Abteilung muss ihre Integrationen nicht neu erstellen und Ihre Compliance bleibt stabil. Sie folgen der METR-Kurve, ohne die Schwierigkeiten mitzumachen.

Souveränität ist kein Hindernis, sondern ein Beschleuniger

Ein häufiges Gegenargument lautet: „Wenn sich die KI so schnell entwickelt, ist es besser, den amerikanischen Marktführer zu nehmen und den Entwicklungen zu folgen, anstatt sich mit Souveränität zu komplizieren.“ Dieses Argument verkennt zwei Realitäten.

Die erste ist die regulatorische. Der europäische KI-Act, der mittlerweile in Kraft ist, verlangt Transparenz, Rückverfolgbarkeit und Compliance, die sich nicht mit einem Handelsvertrag mit einem außerhalb der EU ansässigen Anbieter zufrieden geben. Unternehmen, die mit sensiblen Daten arbeiten – Finanzwesen, Gesundheitswesen, Recht, öffentlicher Sektor – können sich die Unklarheit über den Verarbeitungsort, Protokolle und Prüfmöglichkeiten nicht mehr leisten.

Die zweite ist industriell. Die Nutzung amerikanischer Modelle ist nicht mit Souveränität unvereinbar, solange Orchestrierung, Gedächtnis, Speicherung und Governance unter europäischer Kontrolle bleiben. Das ist die Position, die wir bei OUPI eingenommen haben: die besten globalen Modelle, zugänglich über eine in Frankreich gehostete Plattform, mit einem Privacy Protection-Modus, der eine ausschließlich europäische Weiterleitung gewährleistet, wenn die Natur der Daten dies erfordert. Souveränität bedeutet in diesem Ansatz nicht, auf Innovation zu verzichten. Sie bedeutet, die Kontrolle über den Rahmen zu behalten, in dem diese Innovation konsumiert wird.

Was Unternehmen jetzt tun sollten

Wenn man die METR-Messung ernstnimmt, ergeben sich drei Überzeugungen ganz natürlich. Zunächst sollte man KI als eine Fähigkeit betrachten, die sich weiterhin schnell ausdehnen wird, und nicht als eine feste Sammlung von Werkzeugen, die man bereits durchhabe. Zweitens sollte man jede Architektur vermeiden, die den Austausch eines Modells gegen ein anderes kostspielig macht, was das Grundprinzip der Orchestrierung ist. Schließlich sollte man in die Schichten investieren, die langlebig sind: das Gedächtnis der Organisation, ihre Geschäftsintegrationen, ihre Daten-Governance, ihre Nutzungskultur. Diese Schichten werden alle Modelle überleben, die aufeinanderfolgen werden.

Die von METR veröffentlichte Kurve ist keine Vorhersage. Es ist eine empirische Feststellung auf der Grundlage von sechs Jahren Daten. Sie kann sich verlangsamen, sie kann sich beschleunigen, sie kann unterbrochen werden. Aber auf ihren Erhalt zu setzen, ist heute die vernünftige Hypothese, und genau darauf sollte eine Unternehmens-KI-Strategie im Jahr 2026 aufbauen.